实测腾讯Hy3正式版，追平AI下半场

背景

2025年4月，腾讯发布了Hy3 Preview版本，这是姚顺雨加入腾讯后主导的首个大模型，被称为“姚顺雨腾讯首秀”。Preview版本在用户真实需求理解上有所进步，但编程实测表现与同期模型存在差距。姚顺雨在“腾讯AI下半场”对话中解释，发布Preview的目的之一是获取真实世界反馈，修复榜单发现不了的问题。两个月后，腾讯正式推出Hy3正式版，吸收了用户反馈，在Agent和Coding能力上实现实质性提升，被外界解读为腾讯在“AI下半场”终于跟上节奏。

核心内容

Hy3正式版在多个维度上相比Preview版本明显进步。受限于篇幅，以下从前端能力、办公与Agent能力、基准测试表现、具体任务实测、定价五个方面概括原文要点。

前端能力提升：通过“旧金山金门大桥3D体验”测试，Hy3设计了近距穿梭、中景环绕、高空俯瞰、自动环绕、电影巡游等视角，桥面、汽车、水面倒影效果更真实，Preview版本则像未完成的中途项目。前端能力的提升基于模型底层的进化。

综合Agent与办公能力：在WorkBuddy（腾讯全场景AI工作台）中，Hy3面对复杂工作流时，任务规划、长文本处理和多工具调用均得到强化。官方表示办公场景任务成功率从72%升至90%。WorkBuddy会将任务分解为子任务逐步实现验证。元宝（腾讯AI助手）也提供Agent能力，用户可在快速思考模式下触发Agent，生成PPT、Word、Excel、PDF、HTML等文件。

基准测试表现：在SWE-bench、HLE、BrowseComp等榜单上，Hy3是进步最显著的模型之一。完整Benchmark对比中，Hy3与DeepSeek V4 Pro、GLM 5.2、Qwen 3.7 Max、GPT 5.5、Opus 4.8、豆包Seed 2.1 Pro等模型比较，整体水平接近GLM 5.2，超越部分旗舰模型。

具体任务实测：

• 主题公园网页游戏：Hy3交付的产品从启动页面起美术设计更精致，使用AI生成图片，且游戏逻辑完整（资金、评级、游客、满意度、清洁度等）。Preview版本则粗糙简陋。
• SVG动画：长颈鹿开车的动态SVG，Hy3增加细节，画面更自然，具动画质感，而Preview版本完全平面2D。
• 游戏复刻：复刻我的世界，效果与GPT-5.5相当；复刻黑神话：悟空，Hy3完成度较高，优于GLM 5.2和Opus 4.8的2D或暗黑风格；复刻地铁跑酷，可玩性和上线可能性均强于GPT-5.5生成版本。
• 代码分析：Hy3自动分析GitHub上的经典论文代码，找到Bug并提出优化方向，交付详细Markdown报告。还能将Matlab项目转为其他语言，或将Python项目转为ipynb格式，并修复发现的Bug。
• 深度调研报告：在WorkBuddy中要求Hy3研究计算机科学与技术专业，它通过联网搜索和推理分析，不仅给出就业前景、院校排名、薪资，还提供了专业课、考研、算法工程等深度内容，并一次性交付网页报告、PPT和Markdown文档。

定价：API调用方面，Hy3输入1元/百万tokens，输出4元/百万tokens，输入命中缓存0.25元/百万tokens。对比DeepSeek V4 Pro的3元、6元、0.025元，Hy3输入和输出价格更低。

关键要点

• Hy3正式版在两个月内从Preview版本完成迭代，前端能力、Agent能力、编程能力均显著提升。
• 在3D网页生成、游戏复刻、SVG动画等任务中，Hy3效果接近甚至超过GPT 5.5、GLM 5.2等旗舰模型。
• 办公场景任务成功率从72%提升至90%，WorkBuddy和元宝均已集成Hy3，支持多文件多格式生成。
• 基准测试表现全面进步，在SWE-bench、HLE等榜单上进步最显著，整体水平接近GLM 5.2。
• 代码分析能力增强，可自动发现Bug、优化架构、跨语言转换，并输出结构化报告。
• 定价具有竞争力，输入和输出成本低于DeepSeek V4 Pro（缓存除外）。
• 腾讯强调“两个月一迭代”的节奏，下一版本能否保持速度是关注焦点。

意义与影响

Hy3正式版的发布标志着腾讯在“AI下半场”竞争中补上了关键短板。此前Preview版本虽具潜力但表现不够成熟，正式版在多个维度追上甚至超越同期旗舰模型，尤其在前端网页生成、游戏复刻等创意任务上展现出可用性。这使腾讯在AI应用层（如WorkBuddy、元宝）中拥有了更可靠的基础模型，有望吸引更多开发者和企业用户使用其API和智能助手。同时，Hy3的快速迭代（两个月）也反映出腾讯内部对AI投入的重视和效率。不过，行业竞争激烈，GPT-5.6、Gemini 3.5 Pro等新模型即将上线，Hy3能否持续保持迭代速度和竞争力，将决定腾讯在AI市场中的地位。总体而言，Hy3正式版让腾讯在AI产品矩阵中拥有了一款有竞争力的旗舰模型，为后续生态发展奠定了基础。